Elon Musk ha reescrito el algoritmo de recomendación de la plataforma X en una arquitectura Transformer y lo ha abierto al público, pero no ha publicado los pesos del modelo ni los datos de entrenamiento.
(Resumen previo: Musk en línea defiende a OpenAI: ¿El antiguo “líder” que exigía 1340 millones de dólares, la nostalgia finalmente vencida por los negocios?)
(Información adicional: En la plataforma X, la guía definitiva para ganar dinero escribiendo artículos》Musk lanza X Articles con doble de ingresos, configuración de audiencia, presentación de hechos, eliminación de tonterías, promoción de suscripciones…)

Índice del artículo

• De reglas estrictas a predicciones de IA: un cambio completo
• La fórmula de puntuación de recomendaciones revela la “economía de la atención”
• Alcance del código abierto y límites de la caja negra

El 20 de enero, hora de EE. UU., Elon Musk subió el nuevo código del algoritmo de recomendación de X, llamado “Phoenix”, a GitHub. Los documentos muestran que el sistema ha pasado de un enfoque basado en ingeniería manual de características a una arquitectura de IA centrada en Transformer, pero no ha publicado los pesos del modelo ni los datos de entrenamiento.

De reglas estrictas a predicciones de IA: un cambio completo

Durante más de una década, la clasificación de tweets en X (antes Twitter) dependía principalmente de reglas “si… entonces…”, como palabras clave, relaciones de seguimiento o tiempo de permanencia. Según la estructura del código revelada ahora por X, Phoenix ha eliminado la mayoría de las características manuales, reemplazándolas por un análisis de comportamiento del usuario basado en Transformer, similar a Grok, la filial de xAI.

Las acciones como dar me gusta, compartir, bloquear o el tiempo de navegación se consideran eventos continuos, y el modelo predice la siguiente acción mediante una distribución de probabilidad, determinando así la exposición y alcance del contenido.

La fórmula de puntuación de recomendaciones revela la “economía de la atención”

En el archivo Git, la lógica de cálculo más central se simplifica a:

Score = Σ (Probability × Weight)

Esto indica que se estima la probabilidad de que un usuario realice diferentes acciones en una sola publicación, multiplicada por el peso asignado por la plataforma.

Por ejemplo, si la probabilidad de dar me gusta es del 60% y la de bloquear del 5%, y la plataforma asigna un peso positivo a “me gusta” y un peso negativo a “bloquear”, la puntuación final influirá directamente en si ese tweet entra en la corriente de recomendaciones. El documento señala que incluso el tiempo de permanencia puede cuantificarse en segundos, lo que implica que los creadores de contenido serán más dirigidos por el algoritmo hacia la meta de “retener a la audiencia”. En cuanto a los valores específicos de los pesos, el código no los revela.

Alcance del código abierto y límites de la caja negra

Aunque el código está disponible para revisión, los parámetros reales del modelo y los datos completos de entrenamiento no han sido publicados. Los análisis del mercado consideran que, en comparación con TikTok o Meta, que mantienen todo cerrado, Phoenix al menos proporciona el flujo de cálculo; pero la falta de pesos impide que desarrolladores externos verifiquen la efectividad de las recomendaciones o reproduzcan el modelo.

Esto contrasta con la primera apertura de código de X en 2023, que mostró algunos parámetros. Musk respondió a las dudas sobre transparencia en comunidades como Slashdot con una “apertura demostrativa”, pero mantuvo intacta la verdadera barrera comercial.

Phoenix también simboliza que la pila tecnológica de X y xAI ya está integrada: la plataforma X alimenta a Grok con datos de interacción en tiempo real, y luego Grok vuelve a tomar el control de la distribución del tráfico, formando un ciclo cerrado.